PERENCANAAN SISTEM ANTRIAN UNTUK PENENTUAN

JUMLAH LOKET PENIMBANGAN YANG OPTIMAL DENGAN

METODE SIMULASI

Mujahidin
Jurusan Teknik Informatika
Institut Teknologi Sepuluh Nopember Surabaya,
Kampus ITS Sukolilo Surabaya 60111

ABSTRACT
PG Kebon Agung is a goods company which product is sugar. In case of regulating queue of truck loaded with sugar
tree, this company is suggested to do it properly. This time it still take for very long time for the truck loaded with sugar
tree to be processed later. Long time queue can cause decreasing sugar product quality. PG Kebon Agung hasn’t been
able to overcome this problem, so it’s necessary a method to decrease direct and indirect cost for public service supplying
due to large number of truck waiting to served. If supplying service facility is not optimally, it’ll cause delayed service,
therefore applying queue simulation model is right management system to reduce the queue. By using Arena Software
3.0, the most optimal service chose by PGKA is by using 3 loket penimbangans, because by using 3 loket penimbangans the
number of truck in the system, from waiting to finishing process is 5.8333 trucks a minutes. By using more than 3 loket
penimbangans it will decrease more queue but the loket penimbangan s have more standby and cost a lot of money

Key words: queue, simulation, optimal, loket penimbangan

PENDAHULUAN barang. Bila penyediaan fasilitas loket penimbangan

PG Kebon Agung merupakan perusahaan
yang bergerak dalam bidang produksi barang
yang produk utamanya adalah gula. Untuk
menghasilkan gula yang berkualitas salah satu
faktor utama adalah bahan baku berupa tebu yang
berkualitas pula. Kualitas tebu dapat terjaga apa
bila waktu dipanen sampai waktu diproses giling
tidak memakan waktu yang terlalu lama. Salah
satu faktor yang mempengaruhi waktu proses
adalah ketersediaan tebu yang tepat waktu. Saat
ini masih terdapat antrian kendaraan pengangkut
tebu yang panjang yang disebabkan proses bongkar
muat yang terlalu lama. Lama waktu antrian
untuk bongkar muat akan berakibat turunningnya
kualitas tebu sehingga akan berakibat kualitas
produk gula akan turunning juga.
Loket penimbangan di PG Kebon Agung
belum dapat mengatasi masalah antrian panjang
yang ada, maka diperlukan suatu metode untuk
meminimumkan biaya baik biaya langsung, yaitu
biaya produksi pada loket penimbangan maupun
biaya tidak langsung yang disebabkan banyaknya
kendaraan yang belum dilakukan bongkar muat
kurang optimal maka akan mengakibatkan
lambatnya produksi sehingga penerapan model
simulasi antrian merupakan sistem pengelolaan
yang menguntungkan dengan mengurangi antrian
kendaraan.
Adapun tujuan penelitian ini adalah
1) merencanakan sistem antrian pada loket
penimbangan untuk mengurangi waktu tunggu
kendaraan pengangkut dari panjang antrian;
2) mensimulasikan sistem antrian yang ada saat ini;
3) menentukan jumlah loket penimbangan yang
optimal; dan 4) menentukan total biaya yang
harus dikeluarkan setelah penambahan loket
penimbangan.
METODE
Setelah diperoleh data waktu antar kedatangan
truk dan waktu pelayanan truk, dilakukan tes
keseragaman dan kecukupan data dengan tingkat
kepercayaan 95% (k = 2) dan tingkat ketelitian
5% (s = 0,05). Setelah data dianggap seragam dan
cukup maka dilanjutkan dengan uji distribusi data
dengan menggunakan software ARENA 3.0. Ada tiga

80
ukuran numerik dari kualitas kecocokan sebuah
distribusi untuk data dengan tujuan membantu
kita mengambil keputusan. Pertama dan sangat
seerhana untuk dimengerti adalah mean square
error (MSE), adalah rata-rata dari istilah square
error untuk setiap sel histogram, yang merupakan
kuadrat perbedaan antara frekuensi relatif dari
pengamatan dalam sebuah sel, dan frekuensi relatif
untuk fungsi probabilitas distribusi yang cocok
melebihi data range sel/nilai square error tersebar,
merupakan distribusi yang jauh dari cocok untuk
data seseungguhnya (dan hingga fit yang terjelek).
Kedua, ukuran lain dari sebuah distribusi yang
cocok untuk data adalah uji hipotesis goodness
of fit Chi-square dan kolmogorov-Smirnov (K-S).
Chi-Square dan Kolmogorov-Smirnov (K-S) adalah
uji hipotesis stabdar yang dapat digunakan untuk
menaksir apakah distribusi teoretis yang cocok
untuk data. Hal yang khusus yang diperhatikan
adalah Corresponding p-value, yang akan
selalu terletak antara 0–1. Untuk menafsirkan/
mengartikannya, p-value yang besar (lebih besar
dari 0,05) menunjukkan fit yang terbaik.
Setiap distribusi dalam ARENA mempunyai
satu atau lebih nilai parameter yang berhubungan
dengan distribusi tersebut. Nilai parameter harus
disebutkan untuk menjelaskan distribusi secara
penuh. Angka, arti dan bentuk nilai parameter
tergantung pada distribusi. Ringkasan dari
distribusi (dalam urutan sesuai alphabet) dan nilai
parameter diberikan pada Tabel 1.
berupa penambahan jumlah loket penimbangan.
Dalam penelitian ini simulasi menggunakan
software ARENA versi 3.0 dengan pertimbangan
(Kelton, 2002): 1) software simulasi ARENA versi
3.0 merupakan program simulasi yang dilengkapi
dengan animasi untuk mengamati tingkah laku
sistem pada berbagai sistem nyata yang ada; 2) pada
pembuatan simulasi digunakan flowchart sebagai
logika simulasi yang terbagi dalam beberapa
modul supaya sistem simulasi dapat berjalan dan
logika dalam simulasi tersebut dapat mengenai
sasarannya; 3) ARENA berisi tools dalam fungsi
untuk membangkitkan bilangan random dari
pemakaian distribusi probabilitas yang biasa.
Dari hasil simulasi diperoleh panjang antrian
baik untuk sistem antrian awal maupun usulan.
Selanjutnya dilakukan perhitungan total biaya
antrian untuk menentukan jumlah stasiun
pelayanan yang optimal (Subagio, 1999). Penentuan
jumlah fasilitaas pelayanan yang optimal dilakukan
dengan cara meminimumkan total biaya antrian.
Adapun persamaan matematis yang digunakan
sebagai berikut:
EOC (c) : B i a y a y a n g d i p e r k i r a k a n u n t u k
pengoperasian sarana tersebut per unit
waktu dengan diketahui (c).
EWC (c) : Biaya menunggu (c) yang diperkirakan
per unit waktu.
Masalah penentuan c yang meminimumkan
ETC(c) = EOC(c) + EWC(c)

Tabel 1. Ringkasan Distribusi Probabilitas Arena Nilai optimum c harus memenuhi kondisi yang
diperlukan berikut:
Distribusi Parameter
Beta BETA BE Beta, Alpha ETC(c-1) ≥ ETC(c) dan
Erlang ERLA ER Expo Mean, k
Exponential EXPO EZ Mean
ETC(c+1) ≥ ETC(c)
Gamma GAMM GA Beta, Alpha Sebagai aplikasi dari kondisi ini maka dapat
Johnson JOHN JO GammaDelta, Lamda, Xi dipertimbangkan fungsi biaya berikut ini:
Log normal LOGN RL Log Mean, LogStd
EOC(c) = C1.c
Normal NORM RN Mean, StdDev
Poisson POIS PO Mean EWC(c) = C2.Ls(c)
Triangular TRIA TR Min, Mode, Max
Uniform UNIF UN Min, Max Sehingga: TC(c) = c.C1 + Ls(c).C2
Weibull WEIB WE Beta, Alpha Sehingga didapatkan:
Sumber: Kelton (2002)
C1
Ls(c) –Ls(c+1) £  Ls(c-1)-Ls(c)
Simulasi sistem antrian dilakukan untuk C2
menggambarkan kondisi antrian awal dan skenario

Mujahidin: Perencanaan Sistem Antrian untuk Penentuan Jumlah Loket Penimbangan 81

Nilai C1/C2 sekarang menunjukkan di mana Biaya yang timbul akibat penambahan fasilitas
pencarian untuk c optimum harus dimulai. yaitu:
(Taha, 1997).
Gaji rata-rata karyawan satu periode =
Rp6.985.880,00
HASIL DAN PEMBAHASAN
Hari kerja satu periode = 240 hari
Dari pengumpulan data waktu pelayanan Jam kerja efektif perhari = 8 jam
diperoleh rata-rata waktu pelayanan: Gaji tenaga kerja per menit
Rp6.985.880,00
∑ x1 =
mx = 240 × 8 × 60
n
29.448 = Rp60,64 per menit
=
30
Biaya operasional
= 0, 98 menit Biaya listrik satu periode = Rp6.600.000,00
Selanjutnya dilakukan uji kecukupan data dengan
tingkat kepercayaan 95 % yang berarti k = 2 dan Pemakaian listrik per menit
tingkat ketelitian 5 % yang berarti s = 0,05, ada pun Rp6.600.000,00
=
rumus yang digunakan (Wigjosoebroto, 2000): 240 × 8 × 60
2 = Rp57,29 per menit
 k / s N (∑ x 22 ) − (∑ x)22  2
N' =  k / s N (∑ x ) − (∑ x)  Biaya fasilitas
N' =
 ∑x
∑x 
 
2 Tabel 2. Data Harga Peralatan
 2 / 0, 05 30 (29.046) − (29.488)22  2
=  2 / 0, 05 30 (29.046) − (29.488)  Jenis biaya Harga (Rp)
=  29.488 
 29.488  Jembatan timbang 256.000.000,00

2
Indikator AND 32.000.000,00
 40 871, 38 − 869.542  2
=  40 871, 38 − 869.542 
Komputer 2.500.000,00
=  29.488  Printer 500.000,00
 29.488  Jumlah 291.000.000,00
2
 40 1.838  2
=  40 1.838  Biaya fasilitas per menit
=  29.488 
 29.488 
291.000.000
= 1.832
2 =
= 1.83 240 × 24 × 60
= 3.34 = 842, 0138 per menit per orang
= 3.34
Biaya per pelayanan tambahan per unit waktu
Karena jumlah pengamatan dari hasil (C1):
perhitungan (N') lebih kecil dari pengamatan = Gaji tenaga kerja per menit + biaya operasional
terdahulu (N) maka data waktu pelayanan truk permenit + Biaya fasilitas per menit
sudah mencukupi. = Rp60,6413 per menit + Rp19,0972 per menit +
Dari pengumpulan data waktu antar kedatangan truk Rp842,0138 per menit
diperoleh rata-rata waktu kedatangan truk: = Rp921,7523 per menit

∑ x1 Biaya menunggu pelanggan dihitung berdasarkan

mx =
n penghasilan rata-rata pelanggan per hari.
600 Rp4.529.000,00
= Sewa rata rata per hari =
30 20
= 23 truk per jam = Rp226.450,00
= 2.6 truk per menit Jam kerja efektif per hari = 24 jam

82 Jurnal Teknik Industri, Vol. 9, No. 1, Februari 2008: 80–87

Biaya per unit waktu tunggu per pelanggan (C2)
Rp226.450,00
=
240 × 60
= Rp157,2569,00 per menit

Uji distribusi waktu pelayanan truk

Gambar 3. M o d e l a n t r i a n d e n g a n s a t u l o k e t
penimbangan

Y= Waktu Pelayanan; X = jumlah sampel

Gambar 1. Distribusi waktu pelayanan truk

Berdasarkan uji distribusi diperoleh waktu Gambar 4. R u n n i n g m o d e l d e n g a n s a t u l o k e t

antar kedatangan dan waktu pelayanan truk penimbangan
berdistribusi eksponensial. Seperti ditunjukkan
pada Gambar 1 dan 2.
program ARENA diperoleh data jumlah truk
dalam antrian untuk satu loket penimbangan
sebagaimana dapat disimak pada Tabel 3.

Tabel 3. Pa n j a n g A n t r i a n u n t u k S a t u L o k e t
Penimbangan

Replikasi Lq
1 92.869
2 47.463
3 82.717
4 71.718
5 121.680
Jumlah 416.447
X = jumlah sampel; Y= Waktu

Gambar 2. Distribusi waktu antar kedatangan truk

Rata-rata jumlah pelanggan dalam antrian:
∑ Lq
Lq =
r
Running model simulasi dengan satu loket
416.447
penimbangan sebagai berikut. =
5
Running model dengan satu loket penimbangan
dapat disimak pada Gambar 4. Berdasarkan hasil = 83.2894/menit

Mujahidin: Perencanaan Sistem Antrian untuk Penentuan Jumlah Loket Penimbangan 83

Running model dengan dua loket penimbangan Rata-rata jumlah pelanggan dalam antrian:
sebagai berikut:
∑ Lq
Lq =
r
151.8
=
5
= 31.662/menit

Running model dengan tiga loket penimbangan

sebagai berikut:

Gambar 5. Model dengan dua loket penimbangan

Gambar 7. M o d e l a n t r i a n d e n g a n t i g a l o k e t
penimbangan

Running model dengan tiga loket penimbangan

dapat disimak pada Gambar 8. Berdasarkan hasil
Gambar 6. R u n n i n g m o d e l d e n g a n d u a l o k e t program ARENA diperoleh data jumlah truk dalam
penimbangan antrian untuk tiga loket penimbangan sebagaimana
tertera pada Tabel 5.

Running model dengan dua loket Tabel 5. Pa n j a n g A n t r i a n u n t u k T i g a L o k e t

penimbangan dapat disimak pada Gambar 6. Penimbangan
Berdasarkan hasil program ARENA diperoleh
Replikasi Lq
data jumlah truk dalam antrian untuk dua
1 5.1982
loket penimbangan sebagaimana tertera pada
2 1.8363
Tabel 4.
3 1.0197
4 4.1462
Tabel 4. Pa n j a n g A n t r i a n u n t u k D u a L o k e t
5 5.0914
Penimbangan
Jumlah 17.2918
Replikasi Lq
1 74.379 Rata-rata jumlah pelanggan dalam antrian:
2 15.634
∑ Lq
3 32.867 Lq =
r
4 22.134
17.2918
5 13.096 =
5
Jumlah 158.110
= 3.458362/menit

84 Jurnal Teknik Industri, Vol. 9, No. 1, Februari 2008: 80–87

 Tabel 6. Pa n j a n g A n t r i a n u n t u k E m p a t L o k e t
Penimbangan

Replikasi Lq
1 0.8697
2 0.1341
3 1.4277
4 0.4204
5 0.9537
Jumlah 3.8056

Gambar 8. Running model antrian dengan tiga loket

Rata-rata jumlah pelanggan dalam antrian:
penimbangan ∑ Lq
Lq =
r
3.8056
Running model dengan empat loket penimbangan =
5
sebagai berikut
= 0.7611/menit

Running model dengan lima loket penimbangan

sebagai berikut:

Gambar 9. Model antrian dengan empat loket

penimbangan

Gambar 11. M o d e l a n t r i a n d e n g a n l i m a l o k e t
penimbangan

Gambar 10. Running model antrian dengan empat loket

penimbangan

Gambar 12. Running model antrian dengan lima loket

Running model dengan empat loket
penimbangan
penimbangan dapat disimak pada Gambar 10.
Berdasarkan hasil program ARENA diperoleh
data jumlah truk dalam antrian untuk empat loket Running model dengan lima loket penimbangan
penimbangan sebagaimana tertera pada Tabel 6. dapat disimak pada Gambar 12. Berdasarkan hasil

Mujahidin: Perencanaan Sistem Antrian untuk Penentuan Jumlah Loket Penimbangan 85

program arena diperoleh data jumlah nasabah Tabel 8. Jumlah Truk Menunggu dalam Sistem
dalam antrian untuk lima loket penimbangan
Jumlah loket l
sebagaimana tertera pada Tabel 7. penimbangan
Lq Ls = (Lq + )
m
1 83,2894 85,6644
Tabel 7. Pa n j a n g A n t r i a n u n t u k L i m a L o k e t
2 31,6220 33,9970
Penimbangan
3 3,4583 5,8333
Replikasi Lq 4 0,7611 3,1361
1 0.3871 5 0,2467 2,5217
2 0.3340
3 0.0591 Tabel 9. Kondisi Optimal Fasilitas Loket Penimbangan
4 0.0296
5 0.4240 Jumlah
pelanggan Total
Jumlah 1.2338 Jumlah loket
rata-rata Ls(C-1)-Ls(C) biaya
penimbangan
dalam (Rp)
system Ls (C)
Rata-rata jumlah pelanggan dalam antrian:
1 85,664 - 14.393,07
2 33,997 51,6674 7.189,76
∑ Lq
Lq = 3 5,8333 28,1637 3.682,58
r
1.2338 4 3,1361 2,6972 4.180,18
= 5 2,5217 0,6144 5.005,31
5
= 0.2467/menit
yang akan memberikan total biaya terkecil dari
Setelah diperoleh perhitungan rata-rata jumlah setiap alternatif:
truk dalam antrian (Lq) untuk skenario 1 loket C1
Ls = (c )− Ls (c + 1) ≤ ≤ Ls (c − 1)− Ls (c )
penimbangan sampai 5 loket penimbangan dengan C2
menggunakan simulasi pada software ARENA
Dengan biaya untuk pengadaan fasilitas pelayanan
maka dilakukan perhitungan rata-rata jumlah
(C 1) = Rp921,7523 per menit per orang. Biaya
truk dalam sistem (Ls). Tabel 8 menunjukkan hasil
menunggu pelanggan (C2) = Rp157,2569 per menit
perhitungan Ls.
per orang, maka diperoleh:
Dengan:
µ = jumlah rata-rata pelayanan per unit waktu C1 Rp921,7523
=
C2 Rp157,2569
1
=
waktu pelayanan = 5,8614
1 C
= Selanjutnya nilai C 1 digunakan untuk mencari
5.98 2
nilai C yang optimal.
= 0.16
Perhitungan total biaya antrian dihitung dengan
λ = jumlah rata-rata pelanggan tiba per unit menggunakan rumus:
waktu Tc = c.C1 +Ls(c).C2
1 Untuk 1 fasilitas pelayanan
=
waktu antar kedatangan Tc = c.C1+Ls(c).C2
1 = (1 × 921,7523) + (85,6644 × 157,2569)
= = Rp14.393,0702
2.6
= 0.38 Untuk 2 fasilitas pelayanan
Tc = c.C1+Ls(c).C2
Kondisi optimal fasilitas pelayanan digunakan = (2 × 921,7523) + (33,997 × 157,2569)
untuk menentukan alternatif penggunaan fasilitas = Rp7.189,7674

86 Jurnal Teknik Industri, Vol. 9, No. 1, Februari 2008: 80–87

Untuk 3 fasilitas pelayanan
Tc = c.C1+Ls(c).C2
= (3 × 921,7523) + (5.8333 × 157,2569)
= Rp3.682,5835
Untuk 4 fasilitas pelayanan
Tc = c.C1+Ls(C).C2
= (4 × 921,7523) + (3.1361 × 157,2569)
= Rp4.180,1825
Untuk 5 fasilitas pelayanan
Tc = c.C1+Ls(c).C2
= (5 × 921,7523) + (2.5217 × 157,2569)
= Rp5.005,3162
Dari hasil perhitungan pada Tabel 9 diperoleh
total biaya antrian minimum terletak pada jumlah
loket penimbangan sebanyak 3.
simpulan
Rata-rata truk menunggu jika digunakan 1 loket
penimbangan adalah 83,2894 menit, menggunakan
2 loket penimbangan sebesar 31, 622 menit, 3 loket
penimbangan sebesar 3,4583 menit, menggunakan
4 loket penimbangan sebesar 0,7611 menit, dan
untuk 5 loket penimbangan sebesar 0,2467 menit.
Kondisi optimal dapat dilihat dari rata-rata
jumlah truk dalam sistem. Dari hasil perhitungan
diperoleh rata-rata jumlah truk sebanyak 85,6644
untuk 1 loket penimbangan dan sebanyak 2,5217
untuk 5 loket penimbangan.
Mujahidin: Perencanaan Sistem Antrian untuk Penentuan Jumlah Loket Penimbangan 87
Total biaya antrian jika PG Kebon Agung
menggunakan 1 loket pelayanan sebesar
Rp14.393,07; Rp7189,76 jika menggunakan
2 loket pelayanan Rp3.682,58 dengan 3 loket
pelayanan, Rp4180,18 dengan 4 loket pelayanan,
dan Rp5.005,32 untuk 5 loket penimbangan.
Total biaya minimum diperoleh pada saat jumlah
loket pelayanan sebanyak 3. Jika dibandingkan
dengan kondisi yang sekarang perlu ditambah
2 loket penimbangan lagi.
DAFTAR PUSTAKA
Dimyati Ahmad, 1994. Operation Research model-model
pengambilan keputusan, Sinar Baru Algesindo.
Gaspersz Vincent, 1996. Analisis Sistem Terapan
Berdasarkan Pendekatan Teknik Industri, Tarsito,
Bandung.
Kakiay J. Thomas, 2004. Dasar Teori Antrian untuk
Kehidupan Nyata, Andy, Yogyakarta.
Kelton, David, 2002. Simulation With Arena, Boston,
Massachusets Burr Ridge, Ioa Madison, Wisconsin,
New York.
Simarmata A. Dj, 1995. Operation Researc Sebuah
Pengantar, PT. Gramedia, Jakarta.
Subagyo Pangestu, 1999, Dasar-Dasar Operation Research,
BPFE, Yogyakarta.
Taha, Hamdy A, 1997. Riset Operasi Suatu Pengantar,
Bina Rupa Aksara, Jakarta.
Wigjosoebroto Sritomo, 2000. Ergonomi Studi Gerak dan
Waktu, Guna Widya, Jakarta.